申请/专利权人：厦门大学

申请日：2024-01-03

公开（公告）日：2024-04-02

公开（公告）号：CN117809045A

主分类号：G06V10/30

分类号：G06V10/30;G06V10/82;G06N3/09;G06N3/0464;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于自监督的单张图像去噪方法、装置及可读介质，该方法包括：获取待去噪的单张图像，基于待去噪的单张图像构建训练数据；构建基于卷积神经网络的图像去噪模型，基于总损失函数采用训练数据对图像去噪模型进行训练，直至总损失函数收敛，得到经训练的图像去噪模型，总损失函数为均方差损失函数和L2正则化损失函数之和；将待去噪的单张图像输入经训练的图像去噪模型，得到去噪后的图像。其适用范围宽广，不论是不同信噪比的谱图去噪或者是不同背景干扰下的谱图去噪中均展现出了良好的性能，可作为谱图分析的必要前置步骤进行使用。并且将其应用于照片图像的去噪中，依旧展现出了出色的性能。

主权项：1.一种基于自监督的单张图像去噪方法，其特征在于，包括以下步骤：获取待去噪的单张图像，基于所述待去噪的单张图像构建训练数据；构建基于卷积神经网络的图像去噪模型，基于总损失函数采用所述训练数据对所述图像去噪模型进行训练，直至所述总损失函数收敛，得到经训练的图像去噪模型，所述总损失函数为均方差损失函数和L2正则化损失函数之和；将所述待去噪的单张图像输入所述经训练的图像去噪模型，得到去噪后的图像。

全文数据：

权利要求：

百度查询： 厦门大学 基于自监督的单张图像去噪方法、装置及可读介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD